monarch-initiative/ontogpt

解决的问题

OntoGPT 解决了使用 LLM 从文本中提取结构化数据时出现的幻觉和低效问题。具体来说，它防止模型虚构虚假的本体标识符，或无法遵守因过大而无法放入标准提示上下文窗口的复杂数据模式。

工作原理

OntoGPT 结合使用指令提示和基于本体的接地机制。它不直接要求 LLM 提供标识符，而是先请求名称，然后使用 OAK（Ontology Access Kit）标注器将这些名称与实际本体进行比对，验证每个标识符是否与源本体一致。为处理大型模式，它采用 SPIRES 方法，递归遍历 LinkML 模式，一次仅向模型提示一个类，以确保输出符合完整模式，同时避免上下文窗口过载。

适用人群

专为需要从大量文本（如科学论文）中提取高保真度、结构化的生物或技术知识，并确保提取数据基于现有权威本体的研究人员和开发者设计。

主要亮点

• 无幻觉的接地：所有标识符均与源本体进行验证，无法接地的术语将标记为 AUTO: 前缀。
• 递归模式遍历：使用 SPIRES 方法处理复杂数据模型，无需将整个模式加载到提示中。
• 批量处理：支持对数千份文档进行重复提取，输出格式包括 YAML、JSON、RDF 和 OWL。
• 广泛模型支持：通过 LiteLLM 与 OpenAI、Anthropic、Mistral 等多种 LLM 提供商集成，并通过 Ollama 支持本地模型。
• 代理集成：包含“代理技能”，允许 AI 编码代理执行提取并管理模板。